Python pyspark GradientBoostedTrees.trainClassifier用法及代碼示例

本文簡要介紹 pyspark.mllib.tree.GradientBoostedTrees.trainClassifier 的用法。

用法: classmethod trainClassifier(data, categoricalFeaturesInfo, loss='logLoss', numIterations=100, learningRate=0.1, maxDepth=3, maxBins=32)

訓練梯度增強樹模型進行分類。

版本 1.3.0 中的新函數。

參數：

data：pyspark.RDD: 訓練數據集：LabeledPoint 的 RDD。標簽應采用值 {0, 1}。
categoricalFeaturesInfo：dict: Map存儲分類特征的數量。條目 (n -> k) 表示特征 n 是分類的，其中 k 個類別從 0 開始索引：{0, 1, ..., k-1}。
loss：str，可選: 梯度提升期間用於最小化的損失函數。支持的值：“logLoss”、“leastSquaresError”、“leastAbsoluteError”。 (默認：“logLoss”)
numIterations：整數，可選: 提升的迭代次數。 (默認值：100)
learningRate：浮點數，可選: 縮小每個估計器貢獻的學習率。學習率應該在區間 (0, 1] 之間。(默認值：0.1)
maxDepth：整數，可選: 樹的最大深度(例如，深度 0 表示 1 個葉節點，深度 1 表示 1 個內部節點 + 2 個葉節點)。 (默認值：3)
maxBins：整數，可選: 用於分割要素的最大箱數。 DecisionTree 要求 maxBins >= 最大類別。 (默認值：32)

GradientBoostedTreesModel: 可用於預測。

例子：

>>> from pyspark.mllib.regression import LabeledPoint
>>> from pyspark.mllib.tree import GradientBoostedTrees
>>>
>>> data = [
...     LabeledPoint(0.0, [0.0]),
...     LabeledPoint(0.0, [1.0]),
...     LabeledPoint(1.0, [2.0]),
...     LabeledPoint(1.0, [3.0])
... ]
>>>
>>> model = GradientBoostedTrees.trainClassifier(sc.parallelize(data), {}, numIterations=10)
>>> model.numTrees()
10
>>> model.totalNumNodes()
30
>>> print(model)  # it already has newline
TreeEnsembleModel classifier with 10 trees

>>> model.predict([2.0])
1.0
>>> model.predict([0.0])
0.0
>>> rdd = sc.parallelize([[2.0], [0.0]])
>>> model.predict(rdd).collect()
[1.0, 0.0]

相關用法

注：本文由純淨天空篩選整理自spark.apache.org大神的英文原創作品 pyspark.mllib.tree.GradientBoostedTrees.trainClassifier。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

例子：